Начну издалека. Калибровка стохастической модели задача непростая и ответственная.
Конечная цель - определение цены опциона и здесь есть засады. Если наивно калибровать модель в поисках глобального минимума можно зайти далеко. Дело в том что в модели Хестона можно получить режимы с очень низкой волатильностью, которые удовлетворяют всем ограничениям. Как результат неправильная цена и что самое печальное стоимость хеджирования в реальности окажется выше. Поэтому окончательный выбор параметров стоxастической модели делает человек а не машина.
Что касается стохастических оптимизаторов - их преимущество находить "глобальный" экстремум здесь не столь актуально, а работают они значительно медленней. Согласен с вашим выводом о тенденции стохастических оптимизаторов застревать в локальных минимумах. Нечто подобное наблюдалось на практике, поэтому я и написал в докладе (вероятно). Случайные начальные условия для градиентных оптимизаторов используются в инженерной практике.